基于隐马尔可夫模型的公交乘客出行链识别方法

以公交IC卡数据为基础,结合公交站点周边土地类型及乘客时空转移序列构建隐马尔可夫模型对乘客的出行目的进行识别,继而实现完整乘客公交出行链的提取。采用石家庄某一工作日的公交IC卡数据来实现模型,并与同日期的公交乘客出行调查数据对比,结果表明模型与实际调查结果较为吻合,工作日公交乘客出行链以通勤类出行链为主,总占比达81.87%,通勤活动具有很强的时效性。本文模型为公交IC卡数据的深度研究提供了一定的基础。     

基于IC卡数据的公交乘客上下站点预测研究

当前一票制的公交IC卡收费系统无法获取乘客的上车站点和下车站点,为公交线路客流量分析造成了一定困难。本文通过充分研究IC卡数据以及GPS数据,构建了以IC卡数据为基础的乘客上下车站点匹配模型,挖掘数据中包含的公交运行特征以及乘客出行特征。模型同时考虑封闭式公交出行链以及非封闭式公交出行链,并采用二分算法以及多概率融合的方法在乘客乘车特征基础上推测乘客的上下车站点,可有效提升公交的高效化运行管理。以承德市7号线路为例进行验证,采用线性回归方程对上下车站点匹配结果进行分析,相关系数高达0.977,校验回归方程系数值为0.978 5。结果表明该模型可实现对公交车乘客上下车站点的有效匹配,具有较好的可靠性。     

公交出行OD信息获取方法研究

以往通过人工调查获取公交车出行OD的方法既费时又费力,随着城市公交系统的完善,使用公交IC卡已经成为常住居民的习惯,通过对IC卡数据进行挖掘,结合集合论的数学方法来实现居民公交OD出行信息的提取,不但节省了人力物力,在精度上较人工调查也要更高。方法通过数据挖掘,分别建立IC卡刷卡记录表、公交车到站信息表及公交线路信息表,以此可以准确获取IC卡的上车信息,同时在假设公交出行链闭合(前后两次出行均为公交出行)的前提下,以集合论为基础建立了相应的下车站点推算模型,实现了OD出行信息的提取。     

基于IC卡的公交枢纽客流特征分析

IC卡数据记录了IC卡的卡号、车辆号、交易日期、交易时间、公交线路编号等信息,通过对IC卡数据的处理以及挖掘分析,能够反映城市居民公交出行的总体特征,同时也能够为公交枢纽预警机制提供数据支持。利用基于IC卡数据的上客客流、落客客流、换乘客流判定方法,结合实际IC卡刷卡数据,分析了公交枢纽客流的时间特征、动态特征以及短时特征,可为公交枢纽客流状态判断提供数据支持,为行业主管部门提升公众出行服务水平提供决策依据,同时也能够对公交枢纽安全预警以及应急管理工作起到关键数据支撑作用。     

基于阶梯收费刷卡数据的公交下车站点算法优化与实证评估

以某市连续5日全天公交阶梯收费刷卡数据、公交出行GPS(global positioning system)数据及公交站点数据为基础,结合出行链算法与随机森林网络,构建了一套公交下车站点融合分析模型.在模型中,首先匹配GPS数据与公交站点数据,确定不同时刻的公交到站信息,再以乘客上车站点位置、出行频率、活动空间、下车点...     

基于交通大数据的公交线路OD矩阵推断方法

随着交通大数据的普及与广泛应用,提出了一种推断多模式交通网络线路OD矩阵的方法。首先,通过匹配乘客的刷卡数据和公交车辆报站数据获得乘客的上车站点,其次结合地铁刷卡数据准确分析乘客的下车站点,最后根据乘客的出行信息获得线路OD矩阵。利用广州一天近800万刷卡数据和600万公交报站数据进行了上车站点、下车站点以及OD矩阵的推断,结果表明:早高峰与全日出行规律一致;广州交通方式呈现多样化等。提出的方法可以更为准确地获得线路OD矩阵,揭示城市交通特点,具有较高的实用价值。     

数据不完备下基于特征识别的公交客流短时预测

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。     

基于公交数据挖掘的乘客上下站点识别

为制定符合客流的线路公交调度方案，增大公交出行吸引力，减少私家车出行碳排放，有必要提出精确的线路乘客上、下车站点识别方法，获取精确客流数据，为公交调度提供精细数据支撑。本文以福州市常规公交多源数据为基础，针对数据缺陷提出系统时间误差修正及站间缺失数据修复的数据预处理方法。在此基础上，提出乘客刷卡时间与公交到离站时间匹配的上车站点识别方法。将乘客出行行为按照是否具有出行规律，提出基于乘客出行规律的乘客下车站点识别方法及综合出行距离、换乘能力、出行吸引强度、周围土地利用性质等因素影响下的乘客站点下车概率识别方法。最后，以福州市125路公交数据为例，将识别数据与实际调查数据对比，验证识别方法的准确性。研究结果可为城市公交客流OD调查提供数据挖掘方法，减少传统调查产生的人力物力，以及为公交企业运营调度提供数据支撑。     

基于条件Logit模型的定制公交乘客支付意愿研究

近年来,定制公交以“一人一座、一站直达”为主要优势进入公众视野。而目前中国城市定制公交开行线路较少、班次频率低,其吸引力尚缺。基于此,文章以乘客需求为导向,设计多出行情境离散选择试验,构建条件Logit模型,研究通勤、非通勤以及短、中、长距离出行情境下乘客对定制公交的接受意愿及支付意愿。研究发现：在通勤出行中,为缩短最后一公里步行距离,乘客平均支付意愿为6.35元;而在非通勤出行中乘客支付意愿仅为2.89元。就出行距离而言,短距离情境下乘客更关注下车后最后一公里步行距离以及乘车时间;而中长距离情境下,乘客愿意为乘车环境支付更高价格。该研究对于定制公交多元化推广应用具有借鉴参考价值。     

基于无监督学习的实时公交动态调度的研究

针对广州智能公交调度的优化问题,提出一种基于无监督学习的实时公交动态调度算法,结合乘客利益和公交公司利益总体最优为目标,通过无监督学习方法学习到公交客流出行特征表达的提取,利用吸引子传播(affinity propagation,AP)聚类算法的优化数据集与支持向量机(support vector machine,SVM)的训练样本集相结合建立预测模型训练,运用公交线网发车间隔和加权系数的目标函数优化调度数学模型,将多源信息融合及多策略的实时公交动态调度算法引入到求解模型中,利用深度学习的异常突发事件分类检测方法实现调度优化模型的实时调整。实验结果表明,AP聚类算法程序运行耗时16 s、高峰发车间隔5 min,比遗传算法运行效率更高、时间间隔更精确,实例证明模型和算法具有实用性和可靠性。     

基于IC卡信息的公交客流Origin-destination反推方法

公交客流起止点(origin-destination,OD)矩阵是公交线路调整和优化的重要依据,通过公交IC(integrated-circuit)卡信息获得的数据研究了公交出行的特征.以公交站点上下客人数为约束条件提出了综合考虑了公交乘客上下车概率与公交站点产生吸引因素的反推模型,实例分析表明该方法能显著提高反推的精度,反推结果更具可靠性.     

基于空间计量模型的跨区公交通勤需求机理

为了揭示土地利用因素对跨区公共交通需求的影响,从空间角度出发,利用空间计量模型对北京通州与城区之间的跨区公交通勤需求开展研究。首先,利用公共交通IC卡数据获取交通小区出行通勤需求;其次,基于北京市兴趣点(point of interesting,POI)数据量化土地利用类型、交通设施、区位因素三类土地利用指标,其中为降低土地利用类型变量的冗余,利用因子分析方法进行变量降维,生成8个土地利用类型的综合变量;最后,在空间角度验证出行需求具有空间相关性的基础上,分别建立跨区通勤起点O及终点D出行需求与土地利用的空间自回归模型、空间误差模型及空间杜宾模型。通过模型比选,最终选取拟合最优的空间杜宾模型作为土地利用因素对公共交通需求关系模型。研究表明:跨区公共通勤出行O、D点全局Morans I指数分别为0.385、0.503,具有较强的空间相关性,有必要引用空间计量模型;轨道交通站点密度对于O、D点通勤跨区公共交通出行需求具有积极的引导作用,影响系数最大,分别为11.56、9.82;土地利用混合度的空间滞后变量对O、D点通勤需求影响最大且为正相关,影响系数分别为0.51、0.68,即周边小区土地利用混合度较高时,将提升该小区的通勤需求。该研究验证了交通小区高强度的土地利用开发和丰富的公共交通资源对公共交通出行的正向引导作用,为土地利用与公共交通出行需求之间的互动关系提供了定量分析依据。     

基于数据融合的公共自行车接驳公交行为辨识

城市智能交通卡和公交自动车辆定位系统的大规模应用为研究公共自行车换乘公交的出行规律提供了契机.结合多源数据,研究公共自行车接驳公交的换乘时空阈值,根据自行车站点与公交站点间距离构建匹配站点对;并基于时间阈值提取匹配站点对的刷卡记录构建换乘识别模型的训练集和测试集,应用关联规则挖掘算法实现同一用户公共自行车IC卡卡号与公...     

基于IC卡和GPS信息的城市常规公交客流分析

受限于传统调查方法,公交客流数据调查成本较高、精度难以保证.为有效提高常规公交系统分析评估的精度,结合公交IC卡、GPS等数据特点,利用多源数据融合技术,提出了基于多源数据的公交客流分析方法,揭示了特定时间段内公交乘客出行特征、线网客流分布规律.案例论证显示,将多源信息融合技术应用于常规公交领域,实现对乘客出行特征的精准描述,探求系统的运行规律,可以有效支撑现有公交系统焦点问题的量化分析.     

空间异质性视角下常规公交客流影响因素

常规公交出行是城市客运体系重要的组成部分,其出行强度明显受城市建成环境的影响作用。以往建模方法未考虑影响因素之间的多尺度空间异质性问题,研究结果均存在一定局限性。以青岛市主城区为研究对象,首先基于公交GPS与IC卡数据提取常规公交客流为研究的因变量,并通过网络地图开放平台获取14个指标作为自变量;其次,通过探索性空间数据分析探究303个研究单元的常规公交客流空间演化特征;最后,分别构建地理加权回归与多尺度地理加权回归模型量化分析建成环境变量对常规公交客流影响的空间异质性。研究结果表明：与地理加权回归模型相比,多尺度地理加权回归模型的对回归结果的解释性更强;学校密度、医院密度、公交线路密度和停车场密度正向影响早晚高峰公交客流量,购物密度、土地利用混合度、距公交站点距离对早晚高峰的常规公交客流均有显著负向影响;公交线路密度、学校密度具有明显的空间异质性,对常规公交客流的影响程度整体上呈现由南向北扩散性递减的趋势。     

考虑公交车内拥挤的区间公交优化设计

为满足公交客流走廊集聚的需求,研究了全程车和区间车形成的多服务模式公交优化设计问题.针对公交走廊需求特征,利用公交客流起止点(OD)数据,建立了双层优化模型,上层模型以发车频率和公交座位数为主要输出参数的公交设计研究模型,下层模型为经典的随机选择(SUE)模型,应用序列二次规划(SQP)算法求解模型.最后结合相关案例给出了优化算例,案例结果表明,模型具有较强的实用性,能够较好地反映公交车内拥挤对乘客出行成本的影响,能有效地提高公交走廊的运营效率.同时,模型通过输出不同站点上车在各站点能找到座位的概率,优化乘客选择不同公交出行的行为,均衡了公交客流,提高了车辆服务质量.     

公交出行查询系统中出行路径选择模型的研究

在公交出行查询系统中,最关键的部分就是出行路径的选择问题。为了帮助利用公交的出行者方便地进行出行路径、换乘路线等选择,文章首先对公交乘客出行路径的选择因素进行了简要分析,然后分别讨论了换乘次数算法和最短路算法,最后基于组合优化的角度,在两者的基础上对它们进行了综合,针对大部分乘客的出行需求提出了公交乘客出行路径的选择模型。     

考虑停靠站影响的公交优先信号配时优化

为了解决城市道路交叉口及其公交停靠站附近交通拥堵频发现象,以城市道路交叉口及其下游公交停靠站为公交优先信号配时优化控制单元,以控制单元范围内的乘客出行总延误最小为控制目标,构建考虑下游公交停靠站影响的交叉口公交优先绿灯延长时间优化模型;结合南京市汉中门大街—北圩路交叉口及其下游汉中门大街—嫩江路公交停靠站晚高峰时段的乘客出行延误数据进行实例分析,结果显示优化后的公交优先信号配时方案的乘客出行总延误比优化前降低了8.38%。     

基于公交IC卡和GPS数据的换乘识别方法

为提高公交换乘识别的精度,将IC卡和GPS数据融合推断得到乘客上车站点和下车站点及下车时间,在此基础上根据居民公交出行的特点及过程,从时间角度和空间角度来判断公交换乘行为。时间角度判断是从乘客站台候车时间及乘客站台候车时间段内是否乘坐第一辆目标线路车辆两个方面进行换乘行为识别。空间角度判断通过两个参数即迂回系数和直达系数来进行换乘行为的判断。最后,与只从时间角度识别的方法进行了对比。结果表明:考虑空间因素的识别方法更为合理全面。     

公交出行换乘时间模型及时间阈值研究

针对利用公交出行换乘时间阈值可更加准确区别换乘行为和二次出行行为,提高利用公交IC卡数据自动提取公交换乘时间方法的精确性,进而提升城市交通的整体规划和公交整体服务水平. 通过实际调查,首先对公交出行换乘方式进行了分类,分析了各类公交出行方式的换乘时间影响因素及其影响机理. 在此基础上从微观的角度建立了公交出行时间与各影响因素之间的关系模型,并通过实际调查数据验证了该模型的准确性,应用公交出行换乘时间模型得到了基于GIS公交网络要素分类的各类换乘方式的公交换乘时间阈值.